- Umfragen liefern das Warum hinter deinen Zahlen. Google Analytics zeigt dir, wo Nutzer abspringen. Kunden selbst sagen dir, was sie zögern lässt, oft in Worten, die du direkt in deine Texte übernehmen kannst.
- Frage vor und nach dem Kauf. Vor dem Kauf erfährst du, was Besucher abhält. Nach dem Kauf erfährst du, was überzeugt hat und was den Kauf beinahe verhindert hätte. Beide Perspektiven zusammen ergeben das vollständige Bild.
- Offene Fragen schlagen Multiple Choice. Vorgegebene Antworten spiegeln deine Annahmen. Offene Fragen bringen die Probleme ans Licht, an die du selbst nie gedacht hättest.
- Eine gute Umfrage hat wenige Fragen. Eine einzige präzise Frage im richtigen Moment liefert mehr verwertbare Antworten als ein Fragebogen mit fünfzehn Punkten.
- Umfragen ersetzen keinen Test. Sie liefern Hypothesen, keine Beweise. Was Kunden sagen und was sie tun, ist nicht immer dasselbe. Erst der A/B-Test zeigt, ob eine Erkenntnis mehr Umsatz bringt.
Warum Umfragen das Warum liefern, das Daten nicht liefern
Wenn ich mit einem neuen Kunden in die Analyse gehe, sehe ich in Google Analytics sehr schnell, wo Umsatz verloren geht. Vierzig Prozent verlassen die Produktseite nach wenigen Sekunden, ein großer Teil der Warenkörbe wird nicht abgeschlossen, mobile Nutzer kaufen deutlich seltener. Das sind wertvolle Erkenntnisse. Aber sie beantworten nur die Frage nach dem Wo.
Die wichtigere Frage ist die nach dem Warum. Und die beantwortet keine Zahl. Ist der Preis zu hoch? Fehlt eine Information? Wirkt der Shop unseriös? Ist die Lieferzeit zu lang? Hat der Nutzer einfach nur verglichen? Jede dieser Ursachen verlangt eine völlig andere Lösung, und wer die falsche Ursache annimmt, optimiert an der falschen Stelle.
Ich bin überzeugt, dass man viele Probleme erst erkennt, wenn man sieht, wie echte Nutzer mit einer Seite interagieren, oder sie direkt nach ihren Gedanken fragt. Session-Recordings und Heatmaps decken den ersten Teil ab. Kundenumfragen den zweiten. Sie sind der direkteste Weg, die Sichtweise der Kunden in die Analyse zu holen, ohne sie durch die eigene Brille zu filtern.
Der häufigste Aha-Moment in unseren Analysen entsteht genau hier: wenn wir erkennen, dass Nutzer ganz andere Probleme haben, als wir selbst erwartet hätten. Scheinbar kleine Hürden haben große Auswirkungen, und genau daraus entstehen die besten Optimierungsideen. In unserem Double Diamond Framework sind Umfragen deshalb fester Bestandteil der Analysephase, neben quantitativen Daten, Recordings und der Motivfeldanalyse. Wie die gesamte Analyse aufgebaut ist, beschreibe ich in Online-Shop Analyse: So findest du die Schwachstellen.
Vor dem Kauf oder nach dem Kauf? Zwei Perspektiven
Wir befragen Nutzer sowohl vor als auch nach dem Kauf. Das ist kein Doppelaufwand, sondern zwei grundverschiedene Blickwinkel auf dieselbe Kaufentscheidung.
| Umfrage vor dem Kauf | Umfrage nach dem Kauf |
|---|---|
| Erreicht Besucher, die (noch) nicht kaufen | Erreicht Menschen, die gerade gekauft haben |
| Zeigt Barrieren, Zweifel und fehlende Informationen | Zeigt, was überzeugt hat und was fast gestoppt hätte |
| Kurz, ein bis zwei Fragen, im richtigen Moment eingeblendet | Etwas länger möglich, Kunden sind motiviert zu antworten |
| Typische Orte: Produktseite, Warenkorb, Exit-Intent | Typische Orte: Bestellbestätigung, Folgemail nach Lieferung |
| Liefert Hypothesen gegen Abbrüche | Liefert Hypothesen für stärkere Argumente und Botschaften |
Die Umfrage nach dem Kauf wird oft unterschätzt, weil man glaubt, von Käufern nichts über Nichtkäufer zu lernen. Das Gegenteil ist der Fall. Käufer sind diejenigen, die es trotz aller Hürden geschafft haben, und sie erinnern sich genau, wo sie gezögert haben. Die Frage „Was hätte dich fast davon abgehalten, zu kaufen?“ ist für mich eine der wertvollsten überhaupt. Sie liefert die Barrieren derjenigen, die knapp über der Schwelle waren, also genau der Gruppe, die du mit einer Optimierung am leichtesten gewinnst.
Gleichzeitig zeigt die Umfrage nach dem Kauf, welche Argumente wirklich ziehen. Wenn ein großer Teil der Käufer sagt, dass die ausführlichen Bewertungen mit Fotos entscheidend waren, ist das ein Hinweis darauf, dass dieses Element prominenter gehört. Wenn kaum jemand das Nachhaltigkeitssiegel erwähnt, auf das das Team so stolz ist, ist das ebenfalls eine Erkenntnis.
Die Umfrage vor dem Kauf ist schwieriger, weil Besucher weniger Motivation haben zu antworten. Hier zählt jedes Wort. Eine einzige Frage, eingeblendet im richtigen Moment, etwa nach längerer Verweildauer auf der Produktseite oder beim Verlassen des Warenkorbs, liefert verwertbare Antworten. Ein langer Fragebogen liefert vor allem Abbrüche.
Der Fragenkatalog: Fragen, die echte Einsichten liefern
Über die Jahre hat sich ein Kern an Fragen herauskristallisiert, die in fast jedem Shop verwertbare Antworten liefern. Wichtig: Nicht alle gleichzeitig stellen. Pro Umfrage eine bis drei Fragen, je nach Moment.
| Moment | Frage | Was sie dir verrät |
|---|---|---|
| Nach dem Kauf | Was hätte dich fast davon abgehalten, bei uns zu kaufen? | Die Barrieren der knapp Überzeugten |
| Nach dem Kauf | Was hat dich letztlich überzeugt, bei uns zu bestellen? | Die stärksten Argumente aus Kundensicht |
| Nach dem Kauf | Welches Problem wolltest du mit dem Produkt lösen? | Die eigentliche Kaufmotivation, oft anders als gedacht |
| Nach dem Kauf | Wie hast du nach diesem Produkt gesucht, bevor du uns gefunden hast? | Die Sprache und Begriffe der Kunden |
| Nach dem Kauf | Hast du andere Anbieter verglichen? Wenn ja, welche, und warum hast du dich für uns entschieden? | Wettbewerb und Differenzierung aus Kundensicht |
| Produktseite | Fehlt dir auf dieser Seite eine Information? | Lücken im Content |
| Produktseite | Was hält dich gerade noch davon ab, das Produkt zu kaufen? | Akute Zweifel im Entscheidungsmoment |
| Warenkorb / Exit | Was hat dich davon abgehalten, die Bestellung abzuschließen? | Gründe für Warenkorbabbrüche |
| Startseite / Einstieg | Was hat dich heute auf unsere Seite geführt? | Besucherabsicht, hilft beim Segmentieren |
Zwei Fragen aus dieser Liste möchte ich hervorheben.
„Welches Problem wolltest du lösen?“ Diese Frage bringt oft eine Motivation zum Vorschein, die im Shop gar nicht vorkommt. Ein Shop für Schlafprodukte kommuniziert vielleicht Materialqualität, während Kunden eigentlich wegen Rückenschmerzen kaufen. Wer das weiß, kann den Nutzen in der Sprache der Kunden formulieren. Hier schließt sich der Kreis zum Motivkompass von Dirk Eilert, mit dem wir die emotionalen Grundbedürfnisse der Zielgruppe bestimmen: Geht es um Sicherheit, Status, Zugehörigkeit oder Kontrolle? Umfrageantworten sind eine der besten Quellen, um das dominante Motivfeld zu erkennen.
„Wie hast du gesucht?“ Kunden beschreiben Produkte und Probleme fast nie so, wie das Marketing-Team es tut. Die Begriffe aus den Antworten sind Gold wert für Überschriften, Produkttexte, Anzeigen und SEO. Wenn Kunden von „Rückenschmerzen beim Aufwachen“ sprechen und dein Shop von „orthopädischer Unterstützung“, gibt es eine Lücke, die du schließen kannst.
Offen oder geschlossen? Die wichtigste Formatentscheidung
Die vielleicht wichtigste Entscheidung bei einer Kundenumfrage ist das Format der Fragen. Und hier bin ich ziemlich klar: Für CRO-Zwecke sollten die entscheidenden Fragen offen sein.
Der Grund liegt im Prinzip der Sache. Eine geschlossene Frage mit vorgegebenen Antworten, etwa „Was hat dich abgehalten? Preis, Versandkosten, Lieferzeit, Sonstiges“, kann nur die Probleme bestätigen, die du bereits vermutest. Sie spiegelt deine Annahmen zurück. Die Probleme, an die du nie gedacht hast, und das sind häufig die wertvollsten, tauchen bestenfalls unter „Sonstiges“ auf, wo kaum jemand etwas einträgt.
Die Nielsen Norman Group beschreibt diesen Unterschied klar: Offene Fragen erlauben Antworten in eigenen Worten und liefern dadurch unerwartete Einsichten, während geschlossene Fragen die Antworten auf vordefinierte Optionen begrenzen (Nielsen Norman Group). Für Hypothesenarbeit ist genau diese Offenheit der Wert.
| Offene Fragen | Geschlossene Fragen |
|---|---|
| Bringen Unerwartetes ans Licht | Bestätigen oder widerlegen Bekanntes |
| Liefern die Sprache der Kunden | Liefern standardisierte Kategorien |
| Aufwendiger in der Auswertung | Schnell auszuwerten und zu zählen |
| Ideal für Exploration und Hypothesen | Ideal für Gewichtung und Häufigkeit |
Geschlossene Fragen haben trotzdem ihren Platz, nämlich in einem zweiten Schritt. Wenn eine offene Umfrage fünf wiederkehrende Barrieren hervorgebracht hat, kannst du in einer Folgeumfrage mit genau diesen fünf Antwortoptionen messen, wie sie sich gewichten. Erst offen entdecken, dann geschlossen quantifizieren. Diese Reihenfolge verhindert, dass du nur misst, was du ohnehin schon geglaubt hast.
Die Fehler, die Umfrageergebnisse wertlos machen
Eine schlecht gemachte Umfrage ist schlimmer als keine, weil sie scheinbar belastbare Erkenntnisse liefert, die in die falsche Richtung führen. Diese Fehler sehe ich am häufigsten:
- 01Suggestivfragen. „Wie gut hat dir unser neues, übersichtliches Design gefallen?“ Die Antwort ist in der Frage schon enthalten. Neutral formuliert wäre: „Wie hast du dich auf unserer Seite zurechtgefunden?“
- 02Zu viele Fragen. Jede zusätzliche Frage senkt die Rücklaufquote und die Qualität der Antworten. Wer nach der zehnten Frage noch tippt, ist nicht mehr repräsentativ.
- 03Fragen nach hypothetischem Verhalten. „Würdest du mehr kaufen, wenn wir einen Rabatt anbieten?“ Menschen sind schlecht darin, ihr eigenes künftiges Verhalten vorherzusagen. Frage nach dem, was tatsächlich passiert ist.
- 04Fragen nach Lösungen statt nach Problemen. „Welche Funktion wünschst du dir?“ liefert Wunschlisten. „Was war schwierig?“ liefert Probleme. Lösungen entwickelst du, Probleme kennen nur die Kunden.
- 05Falscher Zeitpunkt. Eine Umfrage, die drei Sekunden nach dem Seitenaufruf aufpoppt, stört und erzeugt Abbrüche. Eine Umfrage, die nach längerer Verweildauer oder beim Verlassen erscheint, trifft Nutzer in einem relevanten Moment.
- 06Die Umfrage stört mobil den Kauf. In vielen unserer Projekte liegt der mobile Anteil bei über 90 Prozent. Ein Umfrage-Widget, das mobil den Kaufbutton verdeckt, kostet mehr Umsatz, als die Antworten wert sind.
Der dritte Punkt verdient einen Satz mehr, weil er so verbreitet ist. Kunden sagen bei Preisfragen fast immer, dass niedrigere Preise sie zum Kauf bewegen würden. Daraus abzuleiten, dass der Preis das Problem ist, wäre ein Fehler. Oft ist das eigentliche Problem, dass der Wert des Produkts nicht klar genug kommuniziert wird. Wie stark Preiswahrnehmung von der Darstellung abhängt, zeigt sich in Tests mit Ankereffekten und Bundles regelmäßig.
Wie viele Antworten brauchst du?
Eine Frage, die ich oft höre: Ab wie vielen Antworten ist eine Umfrage aussagekräftig? Die Antwort hängt davon ab, was du mit der Umfrage vorhast, und hier unterscheidet sie sich grundlegend vom A/B-Test.
Für einen A/B-Test brauchst du eine ausreichend große Stichprobe, um einen Unterschied statistisch abzusichern. Bei einer explorativen Umfrage geht es um etwas anderes: Du willst Muster und Themen entdecken. Dafür reichen oft schon deutlich weniger Antworten, weil die wichtigsten Barrieren meist früh und wiederholt auftauchen. Wenn du nach einigen Dutzend Antworten merkst, dass kaum noch neue Themen hinzukommen, hast du einen guten Eindruck vom Spektrum.
Wichtig ist dabei die Einordnung: Eine explorative Umfrage sagt dir, welche Themen es gibt, nicht verlässlich, wie viele Kunden betroffen sind. Wenn du gewichten willst, wie häufig eine bestimmte Barriere ist, brauchst du mehr Antworten und idealerweise eine geschlossene Folgefrage. Für die Hypothesenarbeit reicht die explorative Stufe aber oft aus, denn die Gewichtung übernimmt am Ende ohnehin der Test.
Ein Vorteil gegenüber dem A/B-Testing: Umfragen funktionieren auch bei kleineren Shops. Während klassisches A/B-Testing aus meiner Erfahrung erst ab etwa 500 bis 1.000 Bestellungen pro Monat sinnvoll wird, liefern Umfragen auch bei weniger Traffic wertvolle Einsichten. Gerade für Shops unterhalb der Testing-Schwelle sind qualitative Methoden einer der besten Hebel. Mehr dazu in A/B-Testing bei kleinen Shops.
Antworten auswerten: Von Freitext zu Mustern
Offene Fragen liefern die besten Einsichten, aber auch Arbeit. Hundert Freitextantworten sind zunächst ein unstrukturierter Haufen Meinungen. Damit daraus Erkenntnisse werden, brauchst du ein systematisches Vorgehen.
So gehen wir vor:
Erstens: Alle Antworten lesen
Nicht überfliegen, sondern lesen. Viele der wertvollsten Einsichten stecken in Nebensätzen. Ein Kunde schreibt „Der Preis war okay, aber ich wusste nicht, ob es auch für empfindliche Haut geht“, und das Problem ist nicht der Preis, sondern eine fehlende Information.
Zweitens: Themen bilden
Wir ordnen jede Antwort einem oder mehreren Themen zu, etwa Vertrauen, Versand, Produktinformation, Preis-Leistung oder Bedienung. Die Themen entstehen aus den Antworten, nicht vorher. Sonst sortierst du wieder nur in deine eigenen Annahmen.
Drittens: Zählen
Erst jetzt wird gezählt. Wie oft taucht welches Thema auf? Welche Themen dominieren vor dem Kauf, welche nach dem Kauf? Die Häufigkeit ist ein erster Indikator für die Bedeutung.
Viertens: Mit den anderen Datenquellen abgleichen
Eine Umfrage allein ist nie die ganze Wahrheit. Wenn viele Nutzer fehlende Größeninformationen nennen und gleichzeitig Recordings zeigen, dass Nutzer zwischen Produktbild und Größentabelle hin und her springen, ist das ein starkes Signal. Wenn eine Umfrage etwas behauptet, das in den Verhaltensdaten nicht sichtbar ist, ist Vorsicht geboten.
Fünftens: Originalzitate sammeln
Besonders treffende Formulierungen notieren wir wörtlich. Sie sind später Material für Texte, Überschriften und Testvarianten. Die Sprache der Kunden ist oft überzeugender als jeder Werbetext.
Aus meiner Erfahrung spart eine saubere Auswertung später viel Zeit, weil die Hypothesen präziser werden. Wir dokumentieren die Ergebnisse zentral, damit sie in künftige Analysen und Tests einfließen. Für mich ist Dokumentation einer der größten Hebel für langfristige Qualität, weil sich das Wissen über die Zielgruppe mit jeder Umfrage und jedem Test weiter verdichtet.
Von der Antwort zur testbaren Hypothese
Jetzt kommt der Schritt, an dem viele Shops scheitern: Sie haben Umfrageergebnisse, wissen aber nicht, was sie damit tun sollen. Oder sie setzen jede Kundenmeinung direkt um. Beides verschenkt das Potenzial.
Der Weg führt über eine Hypothese. Eine gute Hypothese hat eine klare Struktur: Wenn wir X ändern, dann verändert sich Y, weil Z. Das „weil“ ist der entscheidende Teil, und genau hier liefern Umfragen das Fundament.
| Umfrageerkenntnis | Hypothese | Messgröße |
|---|---|---|
| Viele Käufer waren unsicher, ob das Produkt für empfindliche Haut geeignet ist | Wenn wir die Hautverträglichkeit im ersten Bildschirm der Produktseite belegen, steigt die Kaufrate, weil die häufigste Unsicherheit früh ausgeräumt wird | Umsatz pro Nutzer, Add-to-Cart-Rate |
| Abbrecher nennen unklare Lieferzeiten | Wenn wir das konkrete Lieferdatum im Warenkorb zeigen, sinken die Abbrüche, weil die Unsicherheit über die Ankunft wegfällt | Abschlussrate Warenkorb, ARPU |
| Käufer nennen Bewertungen mit Fotos als entscheidend | Wenn wir Kundenfotos prominenter zeigen, steigt die Kaufrate, weil authentischer Social Proof Vertrauen schafft | Umsatz pro Nutzer |
| Kunden beschreiben ihr Problem anders als der Shop | Wenn wir die Überschrift in der Sprache der Kunden formulieren, bleiben mehr Besucher, weil sie ihr Problem wiedererkennen | Engagement, ARPU |
Diese Hypothesen landen dann in unserer Priorisierung. Jede erhält einen Score aus erwartetem Impact, Reichweite, Problembedeutung und, das ist hier wichtig, der Qualität der zugrunde liegenden Erkenntnisse. Eine Hypothese, die von Umfragen, Recordings und Verhaltensdaten gleichermaßen gestützt wird, bekommt einen deutlich höheren Score als eine, die nur auf einer einzelnen Kundenmeinung beruht. Ich bin überzeugt, dass gute Priorisierung einer der größten Erfolgshebel im CRO ist.
Ein Wort zur Psychologie: Im Grunde basiert jede unserer Hypothesen auf psychologischen Mechanismen, also auf Motivation, Vertrauen oder Entscheidungsbarrieren. Umfragen sind dabei kein separater Schritt, sondern liefern das Material, aus dem diese Hypothesen entstehen. Wie wir Social Proof gezielt testen, zeigt sich am dritten Beispiel der Tabelle: Besonders stark wirken Bewertungen mit echten Bildern oder Videos, weil sie Authentizität erzeugen. Wie der Prozess vom Finding bis zum Test im Detail aussieht, beschreibe ich in Wie ein bewährter CRO-Prozess funktioniert.
Was Umfragen nicht können
Zum Abschluss eine ehrliche Einordnung, weil Umfragen manchmal überschätzt werden.
Umfragen beweisen nichts. Sie zeigen, was Kunden denken oder zu denken glauben. Ob eine Änderung, die sich aus einer Umfrage ableitet, tatsächlich mehr Umsatz bringt, zeigt nur der Test. Für mich entscheidet am Ende die Statistik, nicht die Meinung, wie ich in A/B-Testing: Der komplette Guide ausführlich beschreibe. Das gilt für die Meinung des Teams genauso wie für die der Kunden.
Was Kunden sagen und was sie tun, ist nicht dasselbe. Menschen treffen Kaufentscheidungen nicht rational, sondern heuristisch, emotional und kontextabhängig. Viele Einflüsse wirken unbewusst. Ein Kunde, der sagt, der Preis habe keine Rolle gespielt, hat vielleicht trotzdem auf den durchgestrichenen Vergleichspreis reagiert. Umfragen erfassen den bewussten Teil der Entscheidung, nicht den ganzen.
Umfragen erreichen nicht alle. Wer antwortet, ist nicht zwingend repräsentativ. Besonders zufriedene und besonders unzufriedene Kunden antworten häufiger als die stille Mitte. Deshalb sind Umfragen immer eine Datenquelle unter mehreren, nie die einzige.
Genau deshalb kombinieren wir in jeder Analyse mehrere Perspektiven: quantitative Daten aus Google Analytics 4, Session-Recordings und Heatmaps, Kundenumfragen vor und nach dem Kauf sowie die Motivfeldanalyse. Jede Quelle gleicht die blinden Flecken der anderen aus. Und am Ende stellt der Test die Frage, die keine Umfrage beantworten kann: Bringt es mehr Umsatz pro Nutzer?
Warum ich ARPU als Leitkennzahl nutze, erkläre ich in Warenkorbwert erhöhen, und wie Umfragen speziell bei Warenkorbabbrüchen helfen, zeige ich in Warenkorbabbrüche reduzieren.
Häufig gestellte Fragen
Die wertvollsten Fragen drehen sich um echte Erlebnisse: „Was hätte dich fast davon abgehalten, zu kaufen?“, „Was hat dich überzeugt?“, „Welches Problem wolltest du lösen?“ und „Fehlt dir auf dieser Seite eine Information?“. Sie liefern Barrieren, Argumente und Motivationen, aus denen sich Hypothesen ableiten lassen.
Beides. Vor dem Kauf erfährst du, was Besucher abhält, und gewinnst Hypothesen gegen Abbrüche. Nach dem Kauf erfährst du, was überzeugt hat und was fast gestoppt hätte. Käufer sind dabei besonders wertvoll, weil sie sich genau an ihre Zweifel erinnern und motivierter antworten.
So wenige wie möglich. Vor dem Kauf eine, höchstens zwei Fragen, weil Besucher wenig Motivation haben. Nach dem Kauf sind etwas mehr möglich, aber auch hier gilt: Jede zusätzliche Frage senkt Rücklauf und Qualität der Antworten.
Für die Hypothesenarbeit offene Fragen, weil sie Probleme ans Licht bringen, an die du selbst nicht gedacht hast. Geschlossene Fragen eignen sich im zweiten Schritt, um zu gewichten, wie häufig bekannte Barrieren sind. Erst offen entdecken, dann geschlossen quantifizieren.
Für die Exploration oft weniger als gedacht. Wenn nach einigen Dutzend Antworten kaum neue Themen hinzukommen, hast du einen guten Überblick. Für die genaue Gewichtung brauchst du mehr Antworten, doch die Gewichtung übernimmt am Ende ohnehin der A/B-Test.
Im relevanten Moment, nicht sofort beim Seitenaufruf. Bewährt haben sich die Einblendung nach längerer Verweildauer auf der Produktseite, beim Verlassen des Warenkorbs oder auf der Bestellbestätigung. Mobil darf die Umfrage den Kaufbutton nicht verdecken.
Klare Fehler, die Kunden melden, solltest du direkt beheben. Alles andere gehört in eine Hypothese und einen Test. Was Kunden sagen und was sie tun, ist nicht immer dasselbe, und erst der Test zeigt, ob eine Änderung tatsächlich mehr Umsatz bringt.
Alle Antworten vollständig lesen, Themen aus den Antworten heraus bilden, die Häufigkeit zählen und mit anderen Datenquellen wie Recordings abgleichen. Treffende Formulierungen wörtlich sammeln, denn die Sprache der Kunden ist wertvolles Material für Texte und Testvarianten.
Ja, sogar besonders. Während klassisches A/B-Testing erst ab etwa 500 bis 1.000 Bestellungen pro Monat sinnvoll wird, liefern Umfragen auch bei wenig Traffic wertvolle Einsichten. Für kleinere Shops sind qualitative Methoden einer der besten Hebel.
Fragen nach Lösungen statt nach Problemen und Suggestivfragen. „Welche Funktion wünschst du dir?“ liefert Wunschlisten, „Was war schwierig?“ liefert echte Barrieren. Ebenso gefährlich sind Fragen nach hypothetischem Verhalten, weil Menschen ihr eigenes künftiges Verhalten schlecht vorhersagen.
Du willst wissen, was deine Kunden wirklich vom Kauf abhält?
Erstgespräch anfragen
Über den Autor: Chris Dengler
Chris ist CRO-Stratege und Gründer von Convertlab. Mit über 1.000 durchgeführten A/B-Tests und dem selbst entwickelten Double Diamond Framework hat er Shopify Brands im DACH-Raum zu nachweislich messbarem Wachstum verholfen.